چکیده:
نحوه عمل در اکثر الگوریتمهای طبقهبندی متداول در سنجش از دور،براساس ویژگیها و اطلاعات طیفی پیکسلها میباشد.این مسأله ضمن نادیده گرفتن مقدار زیادی از اطلاعات فضایی موجود در تصویر با افزایش قدرت تفکیک فضایی در ماهوارهها،باعث افزایش اطلاعات غیرمفید(نویز)و افزایش تشابه طیفی بین طبقات و در نتیجه افزایش واریانس داخلی میشود که در نهایت منجر به آثار منفی بر دقت طبقهبندی میگردد.به منظور رفع یا کاهش این مشکلات،استفاده توأم از اطلاعات طیفی و محیطی میتواند به تفکیک کاربریهایی که از لحاظ یفی مشابه میباشند،کمک مؤثری کند.
در این تحقیق مزایای حاصل از ترکیب اطلاعات تراکم حاشیه استخراج شده از طبقهبندی مبتنی بر ویژگیهای طیفی عناصر تصویر با روشهای طبقهبندی حداکثر احتمال،حداقل فاصله از میانگین و مورد ماهالا نوبیز بررسی شده است.
این روش برای دادههایی با توان تفکیک مکانی بالا که حاوی اطلاعات جزئی زیادتری میباشند و همچنین مناطقی با پدیدههای متفاوت و دارای تراکمهای حاشیه مختلف میتواند مناسبتر باشد.کارایی استفاده از اطلاعات تراکم حاشیه در بهبود دقت طبقهبندی با دادههای چند طیفی ماهواره اسپات1و عکس هوایی مربوط به بخشی از منطقه حاشیه تالاب انزلی در استان گیلان که دارای پدیدههای متنوع و کاربریهای مختلف میباشد،ارزیابی شده است.نتایج حاصل نشاندهنده افزایش دقت کلاسهای اطلاعاتی بویژه با تفکیکپذیری طیفی ضعیف میباشد.روش طبقهبندی ماهالا نوبیز در کلاسهای اطلاعاتی مراکز شهری-روستایی(47/06 درصد)،رودخانه و کانال(66/78 درصد)بترتیب با 41/60 و 6/75 درصد افزایش در دادههای ماهوارهای و کلاسهای مجتمع درختی و باغات(47/73 درصد)، رودخانه اصلی(95/44 درصد)،کشاورزی(64/83 درصد)و مناطق مسکونی(86/90 درصد)بترتیب 11/87،63/16،82/90 و 35/92 درصد نسبت به طبقهبندی مبتنی بر اطلاعات طیفی پیکسلها در دادههای عکس هوایی افزایش دقت را نشان میدهند.
خلاصه ماشینی:
"در این تحقیق مزایای حاصل از ترکیب اطلاعات تراکم حاشیه استخراج شده از طبقهبندی مبتنی بر
استفاده از اطلاعات تراکم حاشیه در بهبود دقت طبقهبندی با دادههای چند طیفی ماهواره اسپات1و
در این مقاله اطلاعات تراکم حاشیه بهعنوان یک باند اطلاعاتی همراه با باندهای اولیه در طبقهبندی
عملیات را در استفاده از اطلاعات تراکم حاشیه برای پردازش دادههای طبقهبندی شده نشان
اطلاعات حاصل از دقت طبقهبندی دادههای عکس هوایی با روشهای مذکور در شکلهای 4
MDC با استفاده از اطلاعات تراکم حاشیه در دادههای ماهوارهای*
MDC با استفاده از اطلاعات تراکم حاشیه در دادههای عکس هوایی*
شکل 5 ضریب کاپای طبقهبندی 9 کلاس کاربری در روش ماهالا نوبیز بدون استفاده و با
شکل 5 ضریب کاپای طبقهبندی 9 کلاس کاربری در روش ماهالا نوبیز بدون استفاده و با
بالاتری برخوردار است ولی به دلیل واریانس بیشتر این کلاس در اطلاعات تراکم حاشیه
حاصل از طبقهبندی اولیه MLC ،از دقت بالاتری نسبت به روش ماهالا نوبیز بهرهمند شده
کلاسهای مذکور در باند SI حاصل از طبقهبندی اولیه ماهالا نوبیز، MDC نتایج بهتری را
نتایج فوق نشان میدهند که در پردازش دادههای طبقهبندی شده با استفاده از اطلاعات
تراکم حاشیه حاصل از روش طبقهبندی ماهالا نوبیز،وضعیت بهتری در شرایط موجود برای
استفاده از روش طبقهبندی ماهالا نوبیز و اطلاعات تراکم حاشیه ضمن افزایش دقت
تغییرات ایجاد شده با اطلاعات تراکم حاشیه را نسبت به طبقهبندی اولیه مربوطه کاملا آشکار
در جهت باند SI که حاصل از طبقهبندی اولیه ماهالا نوبیز میباشد ضمن اینکه دو طبقه مراکز
حاشیه حاصل از طبقهبندی ماهالا نوبیز و اطلاعات عکس هوایی*"